Kubermatic v2.26.8 版本发布:安全更新与功能优化
Kubermatic 是一个开源的 Kubernetes 集群管理平台,它简化了跨多个云和本地环境的 Kubernetes 集群的部署和管理。该平台提供了直观的用户界面和强大的 API,使企业能够轻松地扩展和管理其容器化工作负载。
重要更新:cert-manager 升级至 v1.16.5
本次发布的 v2.26.8 版本中,最显著的变化是对 cert-manager 的升级。cert-manager 是一个流行的 Kubernetes 附加组件,用于自动化管理 TLS 证书。升级到 v1.16.5 版本需要用户进行以下配置变更:
- 在 cert-manager 的 values.yaml 文件中,需要将
webhook.replicas参数更名为webhook.replicaCount - 同样地,
cainjector.replicas参数需要更新为webhook.replicaCount - 移除
webhook.injectAPIServerCA配置项
这些变更反映了 cert-manager 项目自身的演进,使得配置更加一致和直观。管理员在升级时需要特别注意这些配置变更,以确保证书管理功能能够正常运行。
新增支持的 Kubernetes 版本
Kubermatic v2.26.8 扩展了对 Kubernetes 版本的支持,新增了以下两个稳定版本:
- Kubernetes 1.31.8
- Kubernetes 1.30.12
这些版本的加入为用户提供了更多选择,特别是那些希望使用最新稳定版 Kubernetes 的用户。Kubermatic 团队对这些版本进行了全面测试,确保它们能够与平台的其他组件良好配合。
安全修复与问题修补
安全始终是 Kubermatic 关注的重点。本次发布包含了几项重要的安全更新:
-
Cilium 升级至 1.15.16:修复了 CVE-2025-32793 问题。Cilium 是一个基于 eBPF 的高性能网络、可观测性和安全解决方案,是许多 Kubernetes 集群的关键组件。及时升级可以防止潜在的安全风险。
-
KubeLB 修复:修复了一个关于禁用用户集群 ingress class 的问题。KubeLB 是 Kubermatic 的负载均衡器解决方案,这个修复确保了配置变更能够正确生效。
-
Dashboard 安全增强:
- 实现了角色优先级逻辑,现在当用户拥有多个角色时,系统会返回最高优先级的角色
- 增加了对输入字段的特殊字符限制,并转义值以防止 HTML 渲染问题
组件版本更新
Kubermatic v2.26.8 包含了多个核心组件的版本更新:
-
oauth2-proxy 升级至 v7.8.2:这个身份验证代理的更新带来了性能改进和错误修复。
-
操作系统管理器 (OSM) 升级至 v1.6.5:OSM 负责管理 Kubernetes 节点上的操作系统,新版本包含了稳定性改进和新功能。
-
KubeLB CCM 升级至 v1.1.4:KubeLB 的云控制器管理器获得了多项改进,提升了负载均衡功能的可靠性和性能。
总结
Kubermatic v2.26.8 是一个以安全和稳定性为主的维护版本。它通过升级关键组件解决了已知的安全问题,同时扩展了对 Kubernetes 版本的支持范围。对于正在使用 Kubermatic 的企业来说,这个版本值得优先考虑升级,特别是那些关注安全性的环境。
管理员在升级时应当特别注意 cert-manager 的配置变更,并确保按照指南进行相应调整。对于运行在重要环境中的集群,建议尽快应用 Cilium 的安全更新以防止潜在风险。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00